Realistische Simulationen für Connected Autonomous Vehicles (CAVs)

Die Herausforderung

Connected Autonomous Vehicles (CAVs) sind auf Fahrzeugnetzwerke, fortschrittliche Sensortechnologie und kooperative Wahrnehmung angewiesen, um die Verkehrssicherheit, den Fahrkomfort und die Energieeffizienz zu verbessern. Die Validierung dieser Systeme unter realen Bedingungen bleibt jedoch eine große Herausforderung. 

Die Erfassung von Daten aus der Praxis und physikalische Tests sind kostspielig, zeitaufwendig und schwer skalierbar. Bestehende Simulationsframeworks sind oft auf Single-Agent-Setups, statische Szenarien oder vereinfachte Kommunikationsmodelle beschränkt, sodass sie für das Testen komplexer, sicherheitskritischer Verkehrssituationen mit mehreren interagierenden Fahrzeugen ungeeignet sind. 

Infolgedessen bleibt die Leistung von CAV-Systemen in komplexen Szenarien suboptimal, und potenzielle Kommunikationsfehler oder Sicherheitsrisiken werden oft zu spät im Entwicklungsprozess erkannt. 

Wie wir helfen werden

Um dies zu erreichen, erweitert XITASO das etablierte Single-Agent-Autoware-Framework zu einer skalierbaren Multi-Agent-Simulationsumgebung und kombiniert es mit modernsten KI- und Netzwerksimulationstechnologien: 

• KI-basierte Generierung realistischer Verkehrsszenarien, Trajektorien und Karten 

• Generierung multimodaler synthetischer Sensordaten (LiDAR, Radar, RGB-T) mit realistischen Eigenschaften 

• Integration physikalischer Netzwerksimulatoren zur genauen Modellierung der realen V2X-Kommunikation 

• Szenario-Management für reproduzierbare und komplexe Testfälle 

• Ein adaptiver Evaluator zur iterativen Verringerung der Sim2Real-Lücke 

• Eine nahtlose Interaktion zwischen Simulation und KI-Generierung ermöglicht die Bewertung autonomer Fahrfunktionen unter realistischen und sicherheitskritischen Verkehrsbedingungen. 

Technologien & Themen